Modelos de linguagem grandes ajustados aprimoram o ID de erro em relatórios de radiologia

Siga Drugslib em

revisado medicamente por Carmen Pope, Bpharm. Última atualização em 27 de maio de 2025.

Terça-feira, 27 de maio de 2025-Modelos de idiomas grandes (LLMs), ajustados em relatórios de radiologia, aprimoram a detecção de erros em relatórios de radiologia, de acordo com um estudo publicado on-line em 20 de maio em radiologia.

Cong Sun, Ph.D., da Weill Corn Medicine na cidade de Nova York, e coletores desenvolvidos e avaliados gerativos gera. Estudo retrospectivo. Um conjunto de dados foi construído com duas partes: o primeiro incluiu 1.656 relatórios de radiologia torácica sintética gerados pelo GPT-4 (OpenAI) com 828 relatórios sintéticos sem erros e 828 contêm erros. Um total de 614 relatórios foram incluídos na segunda parte: 307 Livre de erro no banco de dados MIMIC Tex Radiograph (MIMIC-CXR) e 307 relatórios sintéticos com erros gerados pelo GPT-4. Usando o estímulo zero, estação de poucos tiro ou estratégias de ajuste fino, vários modelos foram refinados e o desempenho desses modelos foi avaliado.

Os pesquisadores descobriram que o modelo de instrução LLAMA-3-70B ajustado alcançou o melhor desempenho usando o impulso zero-tiro, com pontuações de F1 de 0,769, 0,772, 0,750, 0,828 e 0,780 para erros de negação, respectivos, erros de alteração direita, intervalos, transcrição e erros de negação. Dois radiologistas revisaram 200 relatórios selecionados aleatoriamente a produção pelo modelo em uma fase de avaliação do mundo real; 99 foram confirmados por ambos os radiologistas para conter erros detectados pelos modelos e 163 foram confirmados por pelo menos um radiologista.

Um autor tem patentes planejadas, emitidas ou pendentes com o Weill Cornell Hospital.

editorial (assinatura ou pagamento pode ser necessário: METERISTER: METERS ATENSTISTER: METERS ATENSTISTER: METERS ATENSTISTER)

) para indivíduos. Fatores individuais podem variar muito. Sempre procure aconselhamento médico personalizado para decisões individuais de saúde.

Fonte: HealthDay

Postou : 2025-05-28 06:00

Consulte Mais informação

Isenção de responsabilidade

Todos os esforços foram feitos para garantir que as informações fornecidas por Drugslib.com sejam precisas, atualizadas -date e completo, mas nenhuma garantia é feita nesse sentido. As informações sobre medicamentos aqui contidas podem ser sensíveis ao tempo. As informações do Drugslib.com foram compiladas para uso por profissionais de saúde e consumidores nos Estados Unidos e, portanto, o Drugslib.com não garante que os usos fora dos Estados Unidos sejam apropriados, a menos que especificamente indicado de outra forma. As informações sobre medicamentos do Drugslib.com não endossam medicamentos, diagnosticam pacientes ou recomendam terapia. As informações sobre medicamentos do Drugslib.com são um recurso informativo projetado para ajudar os profissionais de saúde licenciados a cuidar de seus pacientes e/ou para atender os consumidores que veem este serviço como um complemento, e não um substituto, para a experiência, habilidade, conhecimento e julgamento dos cuidados de saúde. profissionais.

A ausência de uma advertência para um determinado medicamento ou combinação de medicamentos não deve de forma alguma ser interpretada como indicação de que o medicamento ou combinação de medicamentos é seguro, eficaz ou apropriado para qualquer paciente. Drugslib.com não assume qualquer responsabilidade por qualquer aspecto dos cuidados de saúde administrados com a ajuda das informações fornecidas por Drugslib.com. As informações aqui contidas não se destinam a cobrir todos os possíveis usos, instruções, precauções, advertências, interações medicamentosas, reações alérgicas ou efeitos adversos. Se você tiver dúvidas sobre os medicamentos que está tomando, consulte seu médico, enfermeiro ou farmacêutico.

Palavras -chave populares